掌握這些技能，你就離一個(gè)優(yōu)秀的算法工程師不遠(yuǎn)了！
算法工程師是個(gè)非常熱門的崗位，要想過五關(guān)斬六將獲得心儀的 offer，一份面試指南必不可少。作者聊了聊算法工程師的面試技能雷達(dá)圖，為了提高你的面試通過率，注重日常積累，不斷擴(kuò)大你各方面技能的深度和廣度是必要的。
然而，經(jīng)常參加面試的同學(xué)肯定有過這種感覺，即使面試過程非常順暢，即使你本身是一個(gè)面霸，甚至 god like，也經(jīng)常有失手的時(shí)候。所以很多同學(xué)把面試歸結(jié)為一門“玄學(xué)”。那么算法工程師的面試真的是一門玄學(xué)嗎？
今年是我作為算法工程師工作的第七個(gè)年頭，期間拿到過 hulu，阿里巴巴，騰訊，美團(tuán)以及一些 startup 的算法工程師 offer，也作為面試官面試過清北，海外，北郵，以及一些二本學(xué)校等不同背景的百余位 candidates，作為面試者和面試官的經(jīng)驗(yàn)還比較豐富。所以希望自己的經(jīng)驗(yàn)?zāi)軐δ阌兴鶐椭卜浅g迎其他面試官能夠多留言探討自己的面試經(jīng)驗(yàn)。
那我們直入主題，到底什么技能才是一名合格的算法工程師應(yīng)該具備的技能呢？面試官又會如何驗(yàn)證你的這些技能呢？
算法工程師面試技能雷達(dá)圖
雖然每個(gè)一個(gè)崗位都有 JD，但拋開具體的崗位要求，從稍高的角度角度看待這個(gè)問題，一名算法工程師的技術(shù)素質(zhì)基本可以拆解成下面四個(gè)方面：知識、工具、邏輯、業(yè)務(wù)。當(dāng)然廣義來講，這四項(xiàng)素質(zhì)也適用于所有 IT 工程師。
我非常喜歡用雷達(dá)圖來表示一個(gè)人的能力范圍，可能小時(shí)候看圣斗士看多了，當(dāng)時(shí)研究官方出的黃金圣斗士能力雷達(dá)圖研究了半天，現(xiàn)在也沒好到哪去，只不過變成了喜歡研究候選人的能力雷達(dá)圖了。。下面畫出了大數(shù)據(jù)行業(yè)幾個(gè)相關(guān)職位的能力雷達(dá)圖，大家可以初步體會一下。
簡單來說，任何工程師都應(yīng)該滿足四項(xiàng)技能的最小要求，比如我曾經(jīng)面試過一位計(jì)算廣告算法工程師 candidate，這位同學(xué)發(fā)過一些計(jì)算廣告相關(guān)的 paper 和專利，從 research 的角度是不錯(cuò)的人選，但當(dāng)我想稍微驗(yàn)證一下他 coding 的能力時(shí)，他明確告訴我說他不愿意寫代碼。這就是不滿足“工具”這項(xiàng)技能的最小要求，自然是不能通過面試的。
在最小要求的基礎(chǔ)上，算法工程師的能力要求是相對全面的。其實(shí)所謂算法工程師，就是因?yàn)槟悴粌H應(yīng)該是一位合格的“工程師”，還應(yīng)該再次基礎(chǔ)上有算法的改進(jìn)和實(shí)現(xiàn)的能力。除此之外，大數(shù)據(jù)工程師更注重大數(shù)據(jù)工具和平臺的改進(jìn)，研究員則在知識和邏輯層面相對突出。有些臨時(shí)抱佛腳的同學(xué)喜歡惡補(bǔ)知識，不注重理解業(yè)務(wù)和模型本身的內(nèi)在邏輯，是我經(jīng)常見到的面試“悲劇”情況。
當(dāng)然，只用四個(gè)詞描述四個(gè)方面的能力還是過于形而上了，這里我們用一些具體的內(nèi)容來描述一下算法工程師的四個(gè)技能點(diǎn)：
- 知識：主要是指你對 machine learning 相關(guān)知識和理論的儲備
- 工具：將你的 machine learning 知識應(yīng)用于實(shí)際業(yè)務(wù)的工具
- 邏輯：你的舉一反三的能力，你解決問題的條理性，你發(fā)散思維的能力，你的聰明程度
- 業(yè)務(wù)：深入理解所在行業(yè)的商業(yè)模式，從業(yè)務(wù)中發(fā)現(xiàn) motivation 并進(jìn)而改進(jìn)模型算法的能力
也許還不夠具體，那我們再從一個(gè)實(shí)際例子中體會一下，比如我去面試“計(jì)算廣告算法工程師”的職位，上面四項(xiàng)對應(yīng)著哪些具體的能力呢？
- 知識：主流 CTR 模型以及預(yù)算控制，流量預(yù)估，bidding 策略等模型算法的原理和技術(shù)細(xì)節(jié)
- 工具：coding 能力，spark、flink、tensorflow、ps-lite 等模型訓(xùn)練、serving 相關(guān)工具
- 邏輯：算法題，模型之間的演化關(guān)系
- 業(yè)務(wù)：展示廣告和搜索廣告在構(gòu)建模型時(shí)的區(qū)別聯(lián)系，如何根據(jù)公司的 business model 制定模型的 objective
當(dāng)然，上面只是讓大家體會一下什么是這四項(xiàng)素質(zhì)，真實(shí)的計(jì)算廣告算法工程師面試中，你不一定要都掌握，也不一定局限于這些內(nèi)容。如果你遇到一位資深的面試官，他不會預(yù)設(shè)一個(gè)框架往面試者身上套，而會從面試者簡歷出發(fā)檢驗(yàn)面試者能不能達(dá)到這四項(xiàng)素質(zhì)的標(biāo)準(zhǔn)。
那么問題又來了，面試官會如何在 " 限定的時(shí)間內(nèi) " 檢驗(yàn)?zāi)氵@四項(xiàng)素質(zhì)能不能達(dá)到 " 技術(shù)合格 " 的標(biāo)準(zhǔn)呢？
既然是限定的時(shí)間，面試官就不可能拿出一本西瓜書，從頭問到尾，也不可能拿出一本葫蘆書，從 100 道面試題中抽出 50 道給你來個(gè)馬拉松問答。面試官要做的是在 1 個(gè)小時(shí)的時(shí)間內(nèi)確認(rèn)你能力的 **“深度 " 和 " 廣度”。 所以在這里面試官就像一個(gè)采樣算法 **，要從你腦子里采幾個(gè)點(diǎn)，把你的能力雷達(dá)圖描繪出來。
重點(diǎn)再重復(fù)一邊，面試官會從“深度”和“廣度”兩個(gè)維度構(gòu)建你的能力雷達(dá)圖。
對于“深度”方面，有經(jīng)驗(yàn)的面試官會從你已經(jīng)做過的項(xiàng)目中挑出你最擅長的部分做層次式的遞進(jìn)。一位面試同學(xué)介紹自己實(shí)習(xí)時(shí)候用過 XGBoost 預(yù)測股票漲跌，那面試官可能會由淺入深依次考察下列問題：
- GBDT 的原理（知識）
- 決策樹節(jié)點(diǎn)分裂時(shí)是如何選擇特征的？（知識）
- 寫出 Gini Index 和 Information Gain 的公式并舉例說明（知識）
- 分類樹和回歸樹的區(qū)別是什么？（知識）
- 與 Random Forest 作比較，并以此介紹什么是模型的 Bias 和 Variance（知識）
- XGBoost 的參數(shù)調(diào)優(yōu)有哪些經(jīng)驗(yàn)（工具）
- XGBoost 的正則化是如何實(shí)現(xiàn)的（工具）
- XGBoost 的并行化部分是如何實(shí)現(xiàn)的（工具）
- 為什么預(yù)測股票漲跌一般都會出現(xiàn)嚴(yán)重的過擬合現(xiàn)象（業(yè)務(wù)）
- 如果選用一種其他的模型替代 XGBoost 或者改進(jìn) XGBoost 你會怎么做，為什么？（業(yè)務(wù) + 邏輯 + 知識）
這是一條由簡歷出發(fā)，由“知識”為切入點(diǎn)，不僅考察了“知識”的深度，而且還考察了“工具”、“業(yè)務(wù)”、“邏輯”深度的面試路徑。
當(dāng)然，如果你介紹的項(xiàng)目是實(shí)現(xiàn)了一種類似阿里 DIN 的 CTR 預(yù)估模型。那么問題路徑可能是這樣的：
- softmax 函數(shù)的定義是什么？（知識）
- 神經(jīng)網(wǎng)絡(luò)為什么會產(chǎn)生梯度消失現(xiàn)象？（知識）
- 常見的激活函數(shù)有哪些？都有什么特點(diǎn)？（知識）
- 挑一種激活函數(shù)推導(dǎo)梯度下降的過程。（知識 + 邏輯）
- Attention 機(jī)制什么？（知識）
- 阿里是如何將 attention 機(jī)制引入推薦模型的？（知識 + 業(yè)務(wù)）
- DIN 是基于什么業(yè)務(wù)邏輯引入 attention 機(jī)制的？（業(yè)務(wù)）
- DIN 中將用戶和商品進(jìn)行了 embedding，請講清楚兩項(xiàng)你知道的 embedding 方法。（知識）
- 你如何 serving 類似 DIN 這樣的深度學(xué)習(xí)模型 **（工具 + 業(yè)務(wù)）**
這條路徑側(cè)重于考查“知識”深度的路徑。為了彌補(bǔ)其他方向考察的不足，面試官肯定還會問一個(gè)從工具或者業(yè)務(wù)出發(fā)的問題來確定你其他方面的深度。
因?yàn)槊嬖嚬龠x擇的是你最熟悉的領(lǐng)域深入下去，我們可以假設(shè)，如果一位面試者在最擅長的項(xiàng)目中都答不上一些細(xì)節(jié)性的問題，那幾乎可以肯定你在任何其他領(lǐng)域的鉆研都不夠深入，你的技能雷達(dá)圖的面積肯定是一個(gè)很小的面積。也有像我之前所提到的一些臨時(shí)抱佛腳的面試者，也許知識方面達(dá)到了要求，但經(jīng)不起面試官對“工具”和“邏輯”的考察，這也毫無疑問會“悲劇”。
如果面試者的能力深度達(dá)到了最低的要求，下一步面試官會確定你能力的廣度，對于任何算法工程師，我都會隨機(jī) check 以下幾個(gè)知識點(diǎn)：
- NN，RNN，個(gè)別聚類算法，模型評估等知識的理解程度
- spark 的調(diào)優(yōu)經(jīng)驗(yàn)，model serving 的主要方法，parameter server 的原理
- GAN，LSTM，online learning 的基本理解
- embedding 方法，attention 機(jī)制，multi task，reinforcement learning，online learning 的基本理解
對于廣度的檢查是比較隨意的，個(gè)別答不上來無傷大雅，但如果超過一半以上的知識點(diǎn)都 miss 了，可能有點(diǎn)說不過去。因?yàn)槲乙滥闶且粋€(gè)關(guān)注前沿，喜歡學(xué)習(xí)的人，試想除了你自己做過的項(xiàng)目，其他知識了了，那我可以肯定你不是一個(gè)對技術(shù)有熱情的人。很多面試官很看重“熱情”這個(gè)屬性，因?yàn)檎菍夹g(shù)的熱情支撐你今后的學(xué)習(xí)，有些問題你可能不知道，你也要盡量用自己的理解去推導(dǎo)，去討論。
好了，關(guān)于算法工程師面試中的能力雷達(dá)圖講完了，如果你嫌我太啰嗦，沒關(guān)系，甩給你一張思維框圖，你發(fā)給任何沒看過這篇文章的人，也都會對我說的內(nèi)容一目了然。
面試是一門玄學(xué)，如何逆天改命？
但經(jīng)常參加面試的同學(xué)肯定有過這種感覺，即使面試過程非常順暢，即使你本身是一個(gè)面霸，甚至 god like，也經(jīng)常有失手的時(shí)候。所以很多同學(xué)把面試歸結(jié)為一門“玄學(xué)”。面試是一門玄學(xué)，這句話有沒有道理？面試到底“玄”在哪里？為什么“強(qiáng)”如作者（臉皮太厚了）參加了 10 余場大中小公司面試，也有兩場沒拿到 offer，原因是什么，是因?yàn)樾W(xué)嗎？有什么方法能讓你在玄之又玄的面試中逆天改命嗎？我來嘗試給大家一個(gè)解答。
一個(gè)前提
首先這里有一個(gè)前提，敢稱面試為玄學(xué)的人必然是一個(gè)技能面積廣闊的人。你室友面了五家公司，有一家沒有給 offer，那可能是玄學(xué)導(dǎo)致的，你面了五家公司，一家都沒給 offer，那是你的實(shí)力太弱，請回家繼續(xù)苦練本事，擴(kuò)大你的技能雷達(dá)圖。
三個(gè)原因
在你實(shí)力足夠的前提下，通常是三個(gè)方面的原因?qū)е履銦o法得到 offer，這里面有主觀的原因，也有客觀的原因，甚至有不可抵抗力的因素，看看大家能不能找到屬于你的那一條。
玄學(xué)之一：你可能不是面試官想一起工作的人。
站在面試官的角度，我經(jīng)常把面試官給 candidate 通過的根本原因歸結(jié)為一句話“找到了一個(gè)技術(shù)合格且愿意一起工作的人”。
所以面試通過要滿足兩個(gè)基本要求，一是 **“技術(shù)合格”，二是“愿意一起工作”** 二者缺一不可。所以在你技能合格的前提下，面試官愿不愿意與你一起工作就成了一個(gè)關(guān)鍵且略主觀的問題。
但這看似草菅人命的標(biāo)準(zhǔn)其實(shí)是有背后的深刻邏輯的。往俗了說叫做看看 candidate 投不投緣，往大了說叫做符不符合公司文化，往實(shí)在了說，是要 check 你是不是能夠順利的與同事交流協(xié)作，得出合理的技術(shù)解決方案。
再進(jìn)一步說，從工作和學(xué)習(xí)的區(qū)別的角度看，工作中知識的重要性其實(shí)是逐漸在降低的，軟素質(zhì)的要求逐漸在升高，你很有實(shí)力，但你傳播實(shí)力的能力同樣重要，就像 Facebook 總在強(qiáng)調(diào)的 impact，Hulu 在晉升 senior 時(shí)要考察的跨組合作，其實(shí)都在考察你的溝通能力。如果你在面試中連你未來的同事都聊不來，那你如何去跟別的組的同事協(xié)調(diào)呢？你甚至?xí)?office 跟別的城市甚至別的國家的團(tuán)隊(duì)溝通，你又怎么能在復(fù)雜情況下一起解決問題？所以跟你的面試官聊得來是第一步。
為了驗(yàn)證你未來會不會是一個(gè)合適的同事，面試官通常會用拋出一些開放性的問題與你討論，這個(gè)問題可能來自一些業(yè)界通用的問題，比如請你設(shè)計(jì)一個(gè)“千人千面”的電商主頁商品類別排序模型；也許會來自一些生活中的算法，比如請你設(shè)計(jì)一個(gè)微信隨機(jī)搶紅包時(shí)生成紅包金額的算法或機(jī)制；還有可能就來自面試官的工作實(shí)踐，比如我在構(gòu)建 CTR 模型的時(shí)候，遇到了嚴(yán)重的數(shù)據(jù) bias 的問題，有沒有什么辦法解決。
這類題的特點(diǎn)很明顯，非常開放和發(fā)散，開放到題目本身并不清楚。正是因?yàn)椴磺宄悦嬖嚬傧胍男Ч钦埬闳ブ鲃犹釂栴}，我們一起去設(shè)計(jì)一個(gè)模型或系統(tǒng)來解決這個(gè)問題。在這樣的前提下，有下面兩類 candidate 可能會被我無情的拒掉：
- 面試過于被動，被面試官生硬的推著走。比如針對“微信搶紅包”這個(gè)問題，有的面試者就一句話，“每次用一個(gè)隨機(jī)數(shù)生成器生成一個(gè)紅包金額不就行了”。如果是這樣的話，你作為工程師的嚴(yán)謹(jǐn)性就蕩然無存了。面試官為了讓你繼續(xù)下去，還要向你提問，比如你考慮過沒有紅包金額的總體分布問題？等等。而面試官期待的是這個(gè)問題被你推動著走下去。比如在問題不太清楚的前提下你應(yīng)該反問面試官，每個(gè)紅包的金額有沒有上限和下限？需不需要考慮計(jì)算效率問題？我能否在紅包產(chǎn)生時(shí)就預(yù)算好所有紅包的金額等等。
- 思路受限，沒有嚴(yán)謹(jǐn)性、開放性和創(chuàng)新性。在實(shí)際的工程問題中，解決一個(gè)問題不可能只有一個(gè) solution，解決一個(gè)問題的 solution 也不可能是一句話能說清楚的。比如我想跟你討論一下如何設(shè)計(jì)一個(gè)電商主頁商品類別排序模型。看到這個(gè)問題，很多人會直接說我想用 DNN 建一個(gè) CTR prediction 模型來排序。這當(dāng)然可以，但最好請你拋出這個(gè)解決方案的時(shí)候嚴(yán)謹(jǐn)?shù)叵到y(tǒng)地想一想這個(gè)問題，順著工程實(shí)現(xiàn)的思路去跟面試官討論下去，比如 1、都能得到哪些數(shù)據(jù)和 feature；2、數(shù)據(jù)量有多大，數(shù)據(jù)延遲有多大；3、objective 如何制定；4、結(jié)合具體業(yè)務(wù)，我能不能把商品類別當(dāng)作一個(gè) item 來對待，或者把類別內(nèi)部的商品當(dāng)作一個(gè) item 來對待；5、我能否使用 learning to rank /ctr prediction/ 多分類模型來解決這個(gè)問題；6、采用什么模型架構(gòu)更適合這個(gè)問題等等。在實(shí)際面試中，你可能無法想的這么細(xì)，但請?bào)w會這個(gè)意思，作為算法工程師，你應(yīng)該足夠嚴(yán)謹(jǐn)、開放、活躍、創(chuàng)新。
玄學(xué)之二：你的技能樹無法精確滿足當(dāng)前 position 的要求
這個(gè)問題在社招的情況下尤為突出。很多資深的工程師說感覺面試表現(xiàn)不錯(cuò)，算法題最優(yōu)解，設(shè)計(jì)題聊半天，面試官全程微笑，就是不發(fā) offer。這樣的情況絕大可能就是你的經(jīng)驗(yàn)不能精確符合職位要求。
大家要注意“精確”二字。在有些情況下公司對面試者的工作經(jīng)驗(yàn)的要求是精確到系統(tǒng)模塊級別的。同樣是計(jì)算廣告算法工程師，我們團(tuán)隊(duì)可能就想招一個(gè)做 yield optimization 或者“預(yù)算控制”算法的，你說你搞 CTR 搞得風(fēng)生水起，發(fā)了無數(shù)篇頂會，但你沒搞過這個(gè)方向，不能即插即用，那只能對不起，作為同行為你點(diǎn)個(gè)贊，但 offer 沒有。
前段時(shí)間還跟 facebook 一位前同事聊天，說他們就想招一個(gè)搞大規(guī)模并行機(jī)器學(xué)習(xí)平臺的人。那你說你是做 ranking 的，你用 tensorflow 或者 mxnet 用的飛起，但沒實(shí)現(xiàn)或者修改過源碼，沒自己搭建過 parameter server，那也只能對不起，點(diǎn)贊奉上，offer 沒有。
針對這類問題有沒有解決之道？其實(shí)是有幾點(diǎn)大家可以注意的，在找工作之前還是要盡可能的多讀幾遍 JD，找到那些跟一般 JD 有區(qū)別的，或者 JD 上明確寫的“最好有 XXX 經(jīng)驗(yàn)”，看與自己的經(jīng)驗(yàn)是否匹配；有條件的 candidate 可以多跟獵頭或者對方 hr 溝通一下，甚至能夠找到內(nèi)推渠道的同學(xué)可以找團(tuán)隊(duì)的成員了解一下內(nèi)幕消息，都是很有必要的。
玄學(xué)之三：不可抵抗力
上篇文章作者說到參加過十幾場面試，但還是有兩個(gè)公司沒有給 offer，一個(gè)是 eBay 美國總部，一個(gè)是百度某算法部門。eBay 掛掉的原因是當(dāng)時(shí)英語實(shí)在太差了，設(shè)計(jì)題和開放題答得很差，沒有跟面試官更有效的互動；百度的原因就是不可抵抗力，大約記得是 15 年底的時(shí)候，已經(jīng)拿到口頭 offer 了，但突然因?yàn)槟呈录?baidu 的校招和社招 offer 都暫時(shí)停止了，這就屬于不可抵抗力因素了。雖然后來跟 baidu 又有聯(lián)系，但錯(cuò)過了那個(gè)時(shí)間節(jié)點(diǎn)，也就不考慮了。
可能不可抵抗力的因素在北京這個(gè)“寒冷”的冬天會更多一些，有沒有解決之法？也是有的，大家沒事多去北京西郊臥佛寺拜一拜可能會逆天改命。
現(xiàn)在可以把算法工程師面試的技能框圖全部補(bǔ)全了。
在文章結(jié)束前給身在寒冬的同學(xué)幾點(diǎn)建議：
- 寒冬就應(yīng)該廣積糧，緩稱王，猛攻自己的技能弱點(diǎn)，讓自己更有實(shí)力迎接春天；
- 中高端職位永遠(yuǎn)不缺，真正合格的算法工程師永遠(yuǎn)是稀有物種，努力做金字塔中上部的那塊磚；
- 好的 offer 永遠(yuǎn)是為平時(shí)注重積累的人準(zhǔn)備的，突擊準(zhǔn)備也許會增加你的知識廣度，但增加各方面技能的深度需要你無時(shí)無刻的積累和鉆研，遇到問題多問為什么，多注重問題的細(xì)節(jié)。
- 最后祝看過這篇文章的同學(xué)都能認(rèn)真準(zhǔn)備，拿到滿意的 offer。
以上就是100唯爾(100vr.com)小編為您介紹的關(guān)于算法工程師的知識技巧了，學(xué)習(xí)以上的掌握這些技能，你就離一個(gè)優(yōu)秀的算法工程師不遠(yuǎn)了！知識，對于算法工程師的幫助都是非常大的，這也是新手學(xué)習(xí)信息技術(shù)所需要注意的地方。如果使用100唯爾還有什么問題可以點(diǎn)擊右側(cè)人工服務(wù)，我們會有專業(yè)的人士來為您解答。
本站在轉(zhuǎn)載文章時(shí)均注明來源出處，轉(zhuǎn)載目的在于傳遞更多信息，未用于商業(yè)用途。如因本站的文章、圖片等在內(nèi)容、版權(quán)或其它方面存在問題或異議，請與本站聯(lián)系(電話：0592-5551325，郵箱：help@onesoft.com.cn)，本站將作妥善處理。
向客服提問算法工程師課程推薦
信息技術(shù)熱門資料
信息技術(shù)技術(shù)文檔
- 1?呼和浩特工務(wù)段卓資東高鐵實(shí)訓(xùn)場建設(shè)項(xiàng)目議價(jià)采購二次公告
- 2鐵小微帶你看:大南鐵國家高鐵實(shí)訓(xùn)基地,超牛!
- 3尚義職教中心首屆高鐵專業(yè)學(xué)生赴北京實(shí)習(xí)實(shí)訓(xùn)
- 4技能展示 | 高鐵專業(yè)實(shí)訓(xùn)技能展示
- 5磨礪青春、出彩中職——高鐵專業(yè)實(shí)訓(xùn)風(fēng)采
- 6陜西長城鐵路技師學(xué)院,一所把高鐵實(shí)訓(xùn)搬進(jìn)課堂的高等院校
- 7喜訊!喜訊!1:1仿真高鐵實(shí)訓(xùn)設(shè)備進(jìn)入梧州電子科技學(xué)校
- 8云南工程職業(yè)學(xué)院高鐵實(shí)訓(xùn)基地建成啟用
- 9高鐵實(shí)訓(xùn)課走進(jìn)無錫東站!
- 10職教標(biāo)準(zhǔn)I高等職業(yè)學(xué)校城市軌道交通通信信號技術(shù)教學(xué)標(biāo)準(zhǔn)
推薦閱讀
